論文の概要: Optimizing Lithium Production Decisions under Geological, Demand, and Pricing Uncertainties: A POMDP Framework for Multi-Objective Decision Making

• arxiv url: http://arxiv.org/abs/2606.18598v1
• Date: Wed, 17 Jun 2026 01:49:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:50.961512
• Title: Optimizing Lithium Production Decisions under Geological, Demand, and Pricing Uncertainties: A POMDP Framework for Multi-Objective Decision Making
• Title（参考訳）: 地質・需要・価格の不確実性を考慮したリチウム生産決定の最適化:多目的意思決定のためのPOMDPフレームワーク
• Authors: Anna C. Edmonds, Mansur M. Arief, Robert J. Moss, Mykel J. Kochenderfer, Jef Caers,
• Abstract要約: リチウム製造における意思決定は、投資家の視点から見ても、戦略的生産の観点からも困難である。 我々はこの問題を部分的に観測可能なマルコフ決定プロセス(POMDP)とみなし、信念状態計画法を用いて解決する。 我々は,POMDPソルバがリチウム価格の変動に動的に適応することで,人間にインスパイアされたフルフィルメントより優れていることを示す。
• 参考スコア（独自算出の注目度）: 22.34863311924869
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Decision making in lithium production is challenging, whether from an investor's perspective or a strategic production standpoint. Determining which mines to open and when to open them involves not only geological and price uncertainties, but also complexities around the choice of extraction method, from direct lithium extraction to hard rock mining. Prior work explored models of this problem and different methods to optimize mining decisions; these models did not account for uncertainty in pricing, uncertainty in demand, or different mining technologies to extract lithium. Incorporating different pricing models and extraction technology into these models enables more robust strategies for determining not only when and where to open a mine, but also which method of production to pursue. We frame the problem as a partially observable Markov decision process (POMDP) and solve using belief state planning methods to get optimal decision making. In our study, we show that POMDP solvers outperform human inspired heuristics by dynamically adapting to shifting lithium price regimes (static, linear, exponential, and stochastic) through belief state planning and explicit uncertainty management. By optimally sequencing exploration, production, and technology choice, the framework achieves higher demand fulfillment and more balanced economic environmental outcomes over the projects lifetime in all different pricing and deposit scenarios.
• Abstract（参考訳）: リチウム製造における意思決定は、投資家の視点から見ても、戦略的生産の観点からも困難である。 どの鉱山が開くか、いつ開くかを決めるには、地質学的および価格の不確実性だけでなく、直接リチウム抽出から硬岩採掘まで、抽出方法の選択に関する複雑さも伴う。 これらのモデルは、価格の不確実性、需要の不確実性、リチウムを抽出する異なる採掘技術などを考慮していない。 異なる価格モデルと抽出技術をこれらのモデルに組み込むことで、いつ、どこで鉱山を開くかだけでなく、どの生産方法を追求するかを決定するより堅牢な戦略が可能になる。 我々はこの問題を部分的に観測可能なマルコフ決定プロセス(POMDP)とみなし、信念状態計画手法を用いて最適な意思決定を行う。 本研究では,POMDPソルバが,信念状態計画や明確な不確実性管理を通じて,リチウム価格の変動(静的,線形,指数的,確率的)に動的に適応することで,人間にインスパイアされたヒューリスティックスより優れることを示す。 探索、生産、技術選択を最適にシークエンシングすることで、このフレームワークは、あらゆる異なる価格と預金シナリオにおいて、プロジェクトの生涯におけるより高い需要充足とよりバランスのとれた経済環境の成果を達成する。

関連論文リスト

• AI-Driven Optimization under Uncertainty for Mineral Processing Operations [0.7340017786387767]
  部分観測可能なマルコフ決定プロセス(POMDP)としてミネラル処理を定式化するAI駆動型アプローチを導入する。 提案手法は,純現在値(NPV)などの全体目標の最大化において,従来の手法よりも一貫して優れた性能を発揮する可能性が示唆された。 合成事例に対するこの最適化・不確実性アプローチの方法論実証は、後の実世界の応用のための数学的・計算的な枠組みを提供する。
  論文  参考訳（メタデータ） (2025-12-01T18:35:54Z)
• Bayesian Optimization for Dynamic Pricing and Learning [0.306238659426286]
  ダイナミックな価格設定は、市場の需要に応じて企業の収益を最大化するために製品の販売価格を調整するプラクティスである。 従来の手法では需要関数の特定のパラメトリック形式を前提としており、強化学習(RL)を用いて最適に近い価格戦略を特定できる。 本稿では,制約付きモデリング仮定を避けるために,動的価格に対する非パラメトリックなアプローチを提案する。
  論文  参考訳（メタデータ） (2025-10-14T12:28:06Z)
• Deep Generative Demand Learning for Newsvendor and Pricing [7.594251468240168]
  我々は、機能ベースのニュースベンダ問題において、データ駆動の在庫と価格決定について検討する。 本稿では,これらの課題に対処するために条件付き深層生成モデル(cDGM)を活用する新しいアプローチを提案する。 我々は、利益予測の整合性や最適解への決定の収束など、我々のアプローチに対する理論的保証を提供する。
  論文  参考訳（メタデータ） (2024-11-13T14:17:26Z)
• Metareasoning in uncertain environments: a meta-BAMDP framework [1.0923877073891441]
  正しい$P$を見つけることは、推論プロセスの空間上の最適化問題として表すことができる。 本稿では,未知の報酬/遷移分布を持つ環境におけるメタ推論を扱うメタベイズ適応型MDPフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-02T13:15:01Z)
• Model-Free Active Exploration in Reinforcement Learning [53.786439742572995]
  強化学習における探索問題について検討し,新しいモデルフリーソリューションを提案する。 我々の戦略は、最先端の探査アプローチよりも高速に効率的な政策を特定できる。
  論文  参考訳（メタデータ） (2024-06-30T19:00:49Z)
• COPlanner: Plan to Roll Out Conservatively but to Explore Optimistically for Model-Based RL [50.385005413810084]
  ダイナスタイルのモデルベース強化学習には、ポリシー学習と実環境探索のためのサンプルを生成するモデルロールアウトという2つのフェーズが含まれる。 $textttCOPlanner$は、不正確な学習された動的モデル問題に対処するモデルベースのメソッドのための計画駆動フレームワークである。
  論文  参考訳（メタデータ） (2023-10-11T06:10:07Z)
• Improving Confidence in Evolutionary Mine Scheduling via Uncertainty Discounting [10.609857097723266]
  不確実性を考慮した最適スケジュール決定のための新しいアプローチを提案する。 この経済的な枠組みにおける不確実性の扱いは、以前使用が困難だった変動モデルを実用的な洞察に還元する。 我々はMaptekの鉱山計画ソフトウェアEvolutionを用いて実験を行った。
  論文  参考訳（メタデータ） (2023-05-29T08:43:09Z)
• Leaving the Nest: Going Beyond Local Loss Functions for Predict-Then-Optimize [57.22851616806617]
  本手法は,文献から得られた4つの領域において,最先端の成果が得られることを示す。 提案手法は, 局所性仮定が破られた場合, 既存手法よりも200%近く性能が向上する。
  論文  参考訳（メタデータ） (2023-05-26T11:17:45Z)
• Stein Variational Model Predictive Control [130.60527864489168]
  不確実性の下での意思決定は、現実の自律システムにとって極めて重要である。 モデル予測制御 (MPC) 法は, 複雑な分布を扱う場合, 適用範囲が限られている。 この枠組みが、挑戦的で非最適な制御問題における計画の成功に繋がることを示す。
  論文  参考訳（メタデータ） (2020-11-15T22:36:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。